【技术实现步骤摘要】
【国外来华专利技术】用于学习神经网络的参数、用于生成外骨骼的轨迹以及用于将外骨骼设置处于运动中的方法
[0001]本专利技术涉及外骨骼类型的机器人领域。
[0002]更准确地说，本专利技术涉及用于学习神经网络的参数的方法、用于使用神经网络生成外骨骼轨迹的方法、以及用于将外骨骼设置处于运动中的方法。
技术介绍
[0003]最近，对于患有严重行动问题的人(诸如截瘫患者)，出现了称为外骨骼的辅助行走设备，这些辅助行走设备是操作者(人类用户)由于将外骨骼的移动与他们自己的移动联系起来的紧固件系统而“穿上”的外部机器人设备。用于下肢的外骨骼具有几个关节(通常至少在膝盖和臀部处)以再现行走移动。致动器使得可以移动这些关节，这些关节进而移动操作者。界面系统允许操作者向外骨骼给出命令，并且控制系统将这些命令转换为用于致动器的命令。该设备通常利用传感器进行补充。
[0004]这些外骨骼相对于轮椅构成了进步，因为它们允许操作者站起来并且行走。外骨骼不再受轮限制，并且理论上可以在不平坦的大多数环境中四处移动：与腿相反，轮使得不能跨越实质性的障碍，诸如...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于学习神经网络的参数以生成外骨骼(1)的轨迹的方法，所述方法包括由第一服务器(10a)的数据处理装置(11a)实施以下步骤：(a)根据所述外骨骼(1)的一组可能行走的周期性轨迹的第一学习数据库，学习适合于生成所述外骨骼(1)的周期性基本轨迹的第一神经网络的参数，其各自用于由n元组行走参数定义的所述外骨骼(1)的给定行走；(b)根据所述外骨骼(1)的一组可能行走的周期性基本轨迹和过渡的第二学习数据库，使用来自所述第一神经网络的参数，学习适用于生成所述外骨骼(1)的周期性基本轨迹和从所述外骨骼(1)的一个周期性基本轨迹到所述外骨骼(1)的另一周期性基本轨迹的过渡的第二神经网络的参数。2.根据权利要求1所述的方法，其中所述步骤(a)包括通过使用优化算法为所述外骨骼(1)的一组可能行走构建周期性轨迹的所述第一学习数据库。3.根据权利要求2所述的方法，其中以均匀覆盖其中所述n元组行走参数具有值的空间这样的方式来选择所述外骨骼(1)的所述一组可能行走。4.根据权利要求2和3中的一项所述的方法，其中所述步骤(a)还包括验证代表所述第一神经网络的预测的准确度的标准，并且如果所述标准未被验证，则重复所述步骤(a)。5.根据权利要求1至4中的一项所述的方法，其中所述步骤(b)包括构建所述第二学习数据库，用于使用所述第一学习数据库学习所述外骨骼(1)的一组可能行走的周期性轨迹和过渡。6.根据权利要求5所述的方法，其中所述第二数据库包括从第一学习数据库的所述外骨骼(1)的周期性基本轨迹到所述第一学习数据库的所述外骨骼(1)的另一周期性基本轨迹的所有过渡。7.根据权利要求6所述的方法，其中所述外骨骼(1)的周期性基本轨迹，称为初始周期性基本轨迹，到所述外骨骼(1)的另一周期性基本轨迹，称为最终周期性基本轨迹，的每个过渡被定义为周期性基本轨迹序列，该序列连续地包括所述初始周期性基本轨迹、至少一个中间周期性基本轨迹和所述最终周期性基本轨迹，所述第二数据库的构建包括，对于所述第一学习数据库的每对初始周期性轨迹和最终周期性轨迹，确定所述至少一个中间周期性基本轨迹。8.根据权利要求7所述的方法，其中初始周期性基本轨迹和最终周期性轨迹之间的每个中间周期性基本轨迹是所述初始周期性基本轨迹和最终周期性基本轨迹的线性混合。9.根据权利要求7和8中的一项所述的方法，其中为一对初始周期性基本轨迹和最终周期性轨迹确定所述至少一个中间周期性基本轨迹使用在周期性基本轨迹的图中从所述初始周期性基本轨迹到所述最终周期性轨迹的所谓最短路径算法，使得从一个周期性基本轨迹转变到另一周期性基本轨迹的成本代表所述外骨骼的动态的不一致性。10.根据权利要求5至9中的一项所述的方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。